00 RStudio操作簡介

0.1 執行程式碼

這裏是個個人用markdown語法寫註解的地方，下面方塊才是個程式碼。
在程式碼方塊，選擇一或多行，用Mac: cmd+enter or Win: ctrl+enter來執行程式碼；
或，點按程式碼方塊右上方的►。來執行整個程式碼方塊；
或，使用Mac: shift+cmd+Enter or Win: shift+ctrl+enter來執行整個程式碼方塊。

print("hehehehe")

## [1] "hehehehe"

print("hahahhaa")

## [1] "hahahhaa"

print("hihihihi")

## [1] "hihihihi"

0.2 插入新的程式碼與註解

找空白處，用Mac: option+cmd+i or Win: alt+ctrl+i 即可插入（Insert）一個新的程式碼方塊。
在程式碼方塊中，「#」開頭為註解，程式碼不會被執行。
當選取一行或一行以上的程式碼時，可用Mac: shift+cmd+c or Win: shift+ctrl+c來切換註解的狀態。

# Comment here
# print("hahahaha")

01 R語言基礎

1.1 安裝工作坊所需的相關套件（Packages）

用快速鍵Mac: shift+cmd+c or Win: shift+ctrl+c將註解取消
用快速鍵Mac: shift+cmd+Enter or Win: shift+ctrl+enter來執行以下整個程式碼方塊。

# source("W0_install_pkgs.R")

1.2 用library()載入已經安裝好的套件

用Mac: cmd+enter or Win: ctrl+enter逐行執行以下程式碼
用library()載入已經安裝好的套件
用options()新增適用於整份程式碼（全域）的參數值

library(tidyverse)

## ── Attaching packages ────────────────────────────────────────────────────────────── tidyverse 1.2.1 ──

## ✔ ggplot2 3.2.1     ✔ purrr   0.3.2
## ✔ tibble  2.1.3     ✔ dplyr   0.8.3
## ✔ tidyr   0.8.3     ✔ stringr 1.4.0
## ✔ readr   1.3.1     ✔ forcats 0.4.0

## ── Conflicts ───────────────────────────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()

options(stringsAsFactors = F)

1.3 印出執行結果

用Mac: cmd+enter or Win: ctrl+enter逐行執行程式碼
再用快速鍵Mac: shift+cmd+Enter or Win: shift+ctrl+enter來執行以下整個程式碼方塊。

print("hehehehe")

## [1] "hehehehe"

"yoyoyoyo"

## [1] "yoyoyoyo"

message("hahahaha")

## hahahaha

1.4 Assigning

使用<-的符號，將右方的物件Assign（指派）給左方的變數（variable）。
a、b、d均為變數名稱。
c()是R中最基本的資料型態Vector，可以把它想像成是Google sheet的一個垂直欄。
在R中，直接打出變數名稱，就會直接印出該變數的內容。
執行後，該變數的內容會被顯示在RStudio右上方（一般來說）的Environment視窗中。

a <- c(1, 2, 3, 4, 5)
b <- c(3, 4, 5, 6, 7)
d <- a + b
d

## [1]  4  6  8 10 12

02 讀取資料

2.1 讀取CSV（逗點分隔值）檔案

Reading csv by package tidyr’s read_csv() function.

users_1 <- read_csv("data/china_082019_1_users_csv_hashed.csv")

## Parsed with column specification:
## cols(
##   userid = col_character(),
##   user_display_name = col_character(),
##   user_screen_name = col_character(),
##   user_reported_location = col_character(),
##   user_profile_description = col_character(),
##   user_profile_url = col_character(),
##   follower_count = col_double(),
##   following_count = col_double(),
##   account_creation_date = col_date(format = ""),
##   account_language = col_character()
## )

2.1p (Practice) 讀取資料

用快速鍵Mac: shift+cmd+c or Win: shift+ctrl+c將前三行註解取消
同上，用read_csv()讀取set1的tweets資料並assign給新變數tweets_1。
同上，用read_csv()讀取set2的users資料並assign給新變數users_1。
同上，用read_csv()讀取set2的tweets資料並assign給新變數tweets_2。

# tweets_1 <- 
# users_1 <- 
# tweets_2 <- 

# source("sol/2_1p_sol.R")

03 觀察資料

在R的教學中，我們多半引導學生將讀進來的一份資料想像為一個有欄有列的資料表（欄為變數、列為資料項或稱為觀察值）。而我們在資料分析前，首要動作都是將各種資料整併成為一個資料表。

3.1 直接觀察資料內容

View()：用RStuiod的視窗觀察資料。
head(): 抽取出前六筆（也就是前六列資料來觀察）。

# View(users_1)
# users_1 %>% View 

# View(head(users_1))
# users_1 %>% head %>% View
users_1 %>% head

3.2 觀察資料的整體維度和變數型態

class(): 用以觀察該變數的資料型態（types）。
tidyr套件所取出的資料均會轉為dataframe，dataframe就是我們所稱的資料表。
dim(): 取得資料維度（dimensions）。本課程多將「資料」想像為一個列x欄的資料表（此稱為data frame），每列（row）為一筆資料（或稱觀察值，Observation）、每欄（col）為一個變數（或變項，variables）。而dim()是以observsations x variables來呈現。

class(users_1)

## [1] "spec_tbl_df" "tbl_df"      "tbl"         "data.frame"

# "spec_tbl_df" "tbl_df"      "tbl"         "data.frame"
users_1 %>% class

## [1] "spec_tbl_df" "tbl_df"      "tbl"         "data.frame"

dim(users_1)

## [1] 744  10

users_1 %>% dim

## [1] 744  10

3.3 觀察資料的結構

glimpse(): 縱覽變數、變數型態（type）、與變數內容範例
summary(): 提供該data frame的變數摘要，包含每個變數的平均數、四分位數、極大值等。

glimpse(users_1)

## Observations: 744
## Variables: 10
## $ userid                   <chr> "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYy…
## $ user_display_name        <chr> "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYy…
## $ user_screen_name         <chr> "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYy…
## $ user_reported_location   <chr> NA, NA, NA, NA, NA, "California, USA", …
## $ user_profile_description <chr> NA, NA, NA, NA, NA, "cool", NA, NA, NA,…
## $ user_profile_url         <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ follower_count           <dbl> 1, 0, 23949, 17, 0, 17116, 0, 1, 2, 12,…
## $ following_count          <dbl> 52, 0, 52, 34, 0, 76, 39, 46, 127, 64, …
## $ account_creation_date    <date> 2017-08-30, 2017-10-16, 2016-06-27, 20…
## $ account_language         <chr> "zh-cn", "zh-cn", "zh-cn", "es", "zh-tw…

users_1 %>% glimpse()

## Observations: 744
## Variables: 10
## $ userid                   <chr> "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYy…
## $ user_display_name        <chr> "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYy…
## $ user_screen_name         <chr> "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYy…
## $ user_reported_location   <chr> NA, NA, NA, NA, NA, "California, USA", …
## $ user_profile_description <chr> NA, NA, NA, NA, NA, "cool", NA, NA, NA,…
## $ user_profile_url         <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ follower_count           <dbl> 1, 0, 23949, 17, 0, 17116, 0, 1, 2, 12,…
## $ following_count          <dbl> 52, 0, 52, 34, 0, 76, 39, 46, 127, 64, …
## $ account_creation_date    <date> 2017-08-30, 2017-10-16, 2016-06-27, 20…
## $ account_language         <chr> "zh-cn", "zh-cn", "zh-cn", "es", "zh-tw…

str(users_1)

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 744 obs. of  10 variables:
##  $ userid                  : chr  "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE=" "919755217121316864" "747292706536226816" "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw=" ...
##  $ user_display_name       : chr  "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE=" "ailaiyi5" "牛小牛" "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw=" ...
##  $ user_screen_name        : chr  "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE=" "wuming11xia" "gurevadona88" "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw=" ...
##  $ user_reported_location  : chr  NA NA NA NA ...
##  $ user_profile_description: chr  NA NA NA NA ...
##  $ user_profile_url        : chr  NA NA NA NA ...
##  $ follower_count          : num  1 0 23949 17 0 ...
##  $ following_count         : num  52 0 52 34 0 76 39 46 127 64 ...
##  $ account_creation_date   : Date, format: "2017-08-30" "2017-10-16" ...
##  $ account_language        : chr  "zh-cn" "zh-cn" "zh-cn" "es" ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   userid = col_character(),
##   ..   user_display_name = col_character(),
##   ..   user_screen_name = col_character(),
##   ..   user_reported_location = col_character(),
##   ..   user_profile_description = col_character(),
##   ..   user_profile_url = col_character(),
##   ..   follower_count = col_double(),
##   ..   following_count = col_double(),
##   ..   account_creation_date = col_date(format = ""),
##   ..   account_language = col_character()
##   .. )

users_1 %>% str

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 744 obs. of  10 variables:
##  $ userid                  : chr  "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE=" "919755217121316864" "747292706536226816" "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw=" ...
##  $ user_display_name       : chr  "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE=" "ailaiyi5" "牛小牛" "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw=" ...
##  $ user_screen_name        : chr  "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE=" "wuming11xia" "gurevadona88" "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw=" ...
##  $ user_reported_location  : chr  NA NA NA NA ...
##  $ user_profile_description: chr  NA NA NA NA ...
##  $ user_profile_url        : chr  NA NA NA NA ...
##  $ follower_count          : num  1 0 23949 17 0 ...
##  $ following_count         : num  52 0 52 34 0 76 39 46 127 64 ...
##  $ account_creation_date   : Date, format: "2017-08-30" "2017-10-16" ...
##  $ account_language        : chr  "zh-cn" "zh-cn" "zh-cn" "es" ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   userid = col_character(),
##   ..   user_display_name = col_character(),
##   ..   user_screen_name = col_character(),
##   ..   user_reported_location = col_character(),
##   ..   user_profile_description = col_character(),
##   ..   user_profile_url = col_character(),
##   ..   follower_count = col_double(),
##   ..   following_count = col_double(),
##   ..   account_creation_date = col_date(format = ""),
##   ..   account_language = col_character()
##   .. )

# summary(users_1)
users_1 %>% summary

##     userid          user_display_name  user_screen_name  
##  Length:744         Length:744         Length:744        
##  Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character  
##                                                          
##                                                          
##                                                          
##  user_reported_location user_profile_description user_profile_url  
##  Length:744             Length:744               Length:744        
##  Class :character       Class :character         Class :character  
##  Mode  :character       Mode  :character         Mode  :character  
##                                                                    
##                                                                    
##                                                                    
##  follower_count   following_count    account_creation_date
##  Min.   :     0   Min.   :    0.00   Min.   :2008-05-16   
##  1st Qu.:     0   1st Qu.:    7.75   1st Qu.:2016-06-27   
##  Median :     2   Median :   36.00   Median :2017-08-30   
##  Mean   :  7991   Mean   : 1247.38   Mean   :2016-08-22   
##  3rd Qu.: 12328   3rd Qu.:   74.00   3rd Qu.:2017-10-17   
##  Max.   :170155   Max.   :31752.00   Max.   :2019-05-07   
##  account_language  
##  Length:744        
##  Class :character  
##  Mode  :character  
##                    
##                    
##

3.4 觀察資料中每個單一變數

取出users_1這個data frame中的變項並觀察

users_1$follower_count

##   [1]      1      0  23949     17      0  17116      0      1      2     12
##  [11]      0      0  23091      1      0     47  29208      0     10  21148
##  [21]  12607  17816      0  12919  13986      3  13105     21      0     18
##  [31]  58880      0      0      0      1  11786  51608      1  10985      0
##  [41]      2     50      0      0     15      2      0      0      0  45860
##  [51]      0  64519      2      0    118      0  12512      0      2      0
##  [61]  16835      1      0      0      0  45976      1      4  13268      0
##  [71]  12033  20133      1      0      3      0      1      1  13349      1
##  [81]      5  25315  18900      0  16779      0      2      3  49342      1
##  [91]      0      2      0      0      0  24461     10      1  24712  11594
## [101]      0      0  12303      0     21      0      1      0      4      2
## [111]      0      0      0  40213     58  15033      0      0  17808      7
## [121]      2      0  19810    184  12401  13468    650      0      0      0
## [131]      0      3  41065  11817  11769  23786  11659      0  12814      0
## [141]     12      0  41547      1  63428  41522  12695   9954  17800      0
## [151]  65063     48      0      1  16820      0      0      5  21649      1
## [161]      0  14038      0      0      1      3      1      2  12558      1
## [171]     15      0  12698      0      0  43658  15873  52590     14      0
## [181]      0      0      1      0      0  28302  13484      0     10  14340
## [191]      0  11364      0      2      0      0  67522    149      1      0
## [201]      1  45610  49564     58      0      1      0  11371      2      0
## [211]      0      0      0  12651      0      0      2      0  11569      2
## [221]      0      1      0      0      0      1      0      0      1      0
## [231]      0      0      2      0      0      0  32406     24  46733      0
## [241]      1  16252      0    209  29089      0  14904  12633  11461      0
## [251]  11374  11448      1  14957  21820  12801      0 105215      1      0
## [261]     11  30304     16      2      0      1    153      3  56486      0
## [271]  12704      0      0      1      0      0      0      0  12315      0
## [281]      0      0      0      2      6      0  10815  26533  28898      0
## [291]      2     10  33193      0  61815     31      1      3      0  23181
## [301]      0      2      0  12613      0     24      0      4  15895  15013
## [311]     77      0  25612      0     20      1      4      0      0      1
## [321]      0  46799     15    173      0  19503      3      0      7      0
## [331]  84772      1  14575  12520      0      0  12280      1      0      1
## [341]      0     75      1      1      7      0      0  12697  16660      0
## [351]      0      2      1      0      0      6  17562  39047     37      0
## [361]  25627      3      3  12755      0      2  14193  17640      0  41844
## [371]      1    477      0      1      0      0  28072      0  57103      1
## [381]      0  53238      0      7      5      6      2  63602      0      3
## [391]  19146  12104      0      0      0  21333  55013      2  13915      0
## [401]      0      2  11852      2      1      5      0      5      0      0
## [411]     21      0     20      0      3  12717      0      0  64398      0
## [421]      0  17495      1 105754      0  15783  66675  21127  22299 170155
## [431]      2      0  12059      0  14627  24169      1      0     38  16609
## [441]   9253  26091      0      1  11144  10895  12240      5  12765      0
## [451]      1      0      1  28156     22   9971      0  17950      3      0
## [461]      7      4      6  14694    288      2      1      1      7      1
## [471]      1      3     44      0  12941  25714      0  69659      0      0
## [481]      0      0      6      1  24071  28405  52097      2  51666      0
## [491]      0      0      0  23737      3  20414      0      1    157  17861
## [501]  22548      0    145      0  13468   1564      1      9     48  52136
## [511]  24442     17  76718      0      0      0      0  15398      2      2
## [521]      0  29549      0      0      0      2  17694  24058      0      0
## [531]  23989  93490      7  27352  46017  30080      8      1      4     44
## [541]      0  15749  76750      0      7      5      0      0    307      0
## [551]  11423  17746      0      0  31090     18      0      0      0      0
## [561]      0      1      0    149      0      0      0      1    109      5
## [571]     11      0      1      3      0     17      4      0      6     13
## [581]  39316  43358      0      0      4  13449      2      0      4      0
## [591]  14130  17434      1      0      0      1  22861      0  13344      0
## [601]      0      0      0      0      0      0      1      1  12608      1
## [611]      0  13277      1    165  16837      0      0      1      0      3
## [621]      1      0      1  12061      7      1      0  15757      0  12979
## [631]      0 130077      1  42042      1      3      1      0  18662      0
## [641]  17076      0      2    311  13235  11625      0      0      0     36
## [651]    176      0      0      1  16489      0      0      8      0      2
## [661]      6      0      2      1      0  21081      0  11401  14708      0
## [671]  22873      0      0      0      2      0 100847  21024  30554      3
## [681]      0      4      0      1  12659      0  24205      0      1      0
## [691]      0  16366      0      0      0      0      0      0      0      1
## [701]      1      6      2      1  12365      1      2      0      0      3
## [711]     15  14843      0      1     17  13553  13402      5    127      1
## [721]      2  13138    272     23  11232  12648  12757      1      1      0
## [731]  14558  57652      2      1      6  18374      1  50481  69841      2
## [741]     75  18781      0  22551

users_1$follower_count %>% class

## [1] "numeric"

users_1$user_screen_name %>% head

## [1] "vMm2zemFOF7kmXoDyX24Bo+TorqhNutpZlATYyxsE="  
## [2] "wuming11xia"                                 
## [3] "gurevadona88"                                
## [4] "q2SMGvHasu+nugbpNMDCjr2qlZp3FCiGYDLht+gW5pw="
## [5] "lishuishi"                                   
## [6] "baillopud5"

users_1$user_screen_name %>% class

## [1] "character"

3.4p (Practice) 請用以上函式觀察users_2或tweets_1，

users_2的總人數和users_1有何不同？
tweets_1資料表中的哪一個變數的內容和users_1的哪一個變數內容應該相同？
在users_1中，以下變數的資料型態為何？account_creation_date、is_retweet、 tweet_time?

# YOUR CODE HERE

(Options) 用skimr套件縱覽資料

# install.packages("skimr")
library(skimr)

## 
## Attaching package: 'skimr'

## The following object is masked from 'package:stats':
## 
##     filter

users_1 %>% skim()

04 用dplyr操作資料

select(): 選取必要的欄（col），也就是變數、變項（variable）
filter(): 篩出符合條件的列（row），也就是資料項、觀察值（Observation）
mutate(): 在該dataframe中，從其他變項產生新的變項（例如相加）

4.1 Selecting columns 選擇所要的變項欄

select(): 選取必要的欄（col），也就是變數、變項（variable）

# selected <- select(users, userid, user_display_name, user_screen_name)
selected <- users_1 %>% 
    select(userid, user_display_name, user_screen_name)

4.2 Filter rows 篩選某變項符合條件的資料

filter(): 篩出符合條件的列（row），也就是資料項、觀察值（Observation）

users_1 %>%
    filter(nchar(user_screen_name) > 20)

4.3 Mutate() 以產生新的變項

mutate(): 在該dataframe中，從其他變項產生新的變項（例如相加）

tweets_1 <- read_csv("data/china_082019_1_tweets_csv_hashed.csv")

## Parsed with column specification:
## cols(
##   .default = col_character(),
##   tweetid = col_double(),
##   userid = col_double(),
##   user_profile_url = col_logical(),
##   follower_count = col_double(),
##   following_count = col_double(),
##   account_creation_date = col_date(format = ""),
##   tweet_time = col_datetime(format = ""),
##   in_reply_to_userid = col_double(),
##   in_reply_to_tweetid = col_double(),
##   quoted_tweet_tweetid = col_double(),
##   is_retweet = col_logical(),
##   retweet_userid = col_logical(),
##   retweet_tweetid = col_logical(),
##   quote_count = col_double(),
##   reply_count = col_double(),
##   like_count = col_double(),
##   retweet_count = col_double(),
##   poll_choices = col_logical()
## )

## See spec(...) for full column specifications.

## Warning: 951646 parsing failures.
##  row              col           expected                                    actual                                        file
## 1003 retweet_userid   1/0/T/F/TRUE/FALSE 2896172507                                'data/china_082019_1_tweets_csv_hashed.csv'
## 1003 retweet_tweetid  1/0/T/F/TRUE/FALSE 581033920591859712                        'data/china_082019_1_tweets_csv_hashed.csv'
## 1052 userid           a double           nXJwGmcG71Ho3srqnXTSnyEokZXke8tkdISrrycI= 'data/china_082019_1_tweets_csv_hashed.csv'
## 1052 user_profile_url 1/0/T/F/TRUE/FALSE http://t.co/x5Ctw87c                      'data/china_082019_1_tweets_csv_hashed.csv'
## 1076 retweet_userid   1/0/T/F/TRUE/FALSE 2896172507                                'data/china_082019_1_tweets_csv_hashed.csv'
## .... ................ .................. ......................................... ...........................................
## See problems(...) for more details.

users_1 %>% 
    mutate(ff_perc = follower_count / following_count) %>% 
    select(ff_perc, follower_count, following_count, user_screen_name) %>%
    head

# Checking tweetid's variable type in data frame tweets_1
tweets_1$tweetid %>% class

## [1] "numeric"

# Converting tweetid's data type from numeric to character by as.character()
tweets_1 %>%
    mutate(tweetid = as.character(tweetid))

4.4 Assigning back

當對資料做了操作（filter(), select(), mutate()）後，原本的dataframe內容仍不會改變，必須要把他assign以覆蓋掉原本的dataframe，才會實際上改變這個dataframe。

# Not assigning to replace original datafrmae
users_1 %>% 
    mutate(ff_perc = follower_count / following_count)

# Assigning to replace original dataframe
users_1 <- users_1 %>% 
    mutate(ff_perc = follower_count / following_count)

# Assigning to a NEW dataframe
test_1 <- users_1 %>% 
    mutate(ff_perc = follower_count / following_count)

4.4p (Practice)

讀取set1的tweets資料，assign給tweets_1，並觀察tweetid與userid兩個變項的資料型態
觀察users_1中userid的資料型態是否和上述tweets_1中的userid資料型態相同
將tweets_1中的usersid和tweetid兩個變數從numeric型態轉為character型態。

# tweets_1 <- read_csv("data/china_082019_1_tweets_csv_hashed.csv")

4.5 (Advanced) 用if_else()產生判斷的結果並放至新變數

05 觀察資料分布

5.1 count() 計算出現次數

# counting account language
users_1 %>%
    count(account_language)

# counting account language in descending order
users_1 %>%
    count(account_language, sort = T)

p1_IntroR

Jilung Hsieh

2019/10/28

00 RStudio操作簡介

0.1 執行程式碼

0.2 插入新的程式碼與註解

01 R語言基礎

1.1 安裝工作坊所需的相關套件（Packages）

1.2 用library()載入已經安裝好的套件

1.3 印出執行結果

1.4 Assigning

02 讀取資料

2.1 讀取CSV（逗點分隔值）檔案

2.1p (Practice) 讀取資料

03 觀察資料

3.1 直接觀察資料內容

3.2 觀察資料的整體維度和變數型態

3.3 觀察資料的結構

3.4 觀察資料中每個單一變數

3.4p (Practice) 請用以上函式觀察users_2或tweets_1，

(Options) 用skimr套件縱覽資料

04 用dplyr操作資料

4.1 Selecting columns 選擇所要的變項欄

4.2 Filter rows 篩選某變項符合條件的資料

4.3 Mutate() 以產生新的變項

4.4 Assigning back

4.4p (Practice)

4.5 (Advanced) 用if_else()產生判斷的結果並放至新變數

05 觀察資料分布

5.1 count() 計算出現次數